la notizia è nei conti:

C’è un modo meno spettacolare, ma più efficace, per discutere della possibile bolla dell’intelligenza artificiale: smettere per un momento di osservare le valutazioni di Nvidia, le promesse dei laboratori e le dimensioni dei nuovi data center, per chiedersi quale crescita economica sia necessaria a giustificare il capitale che le imprese stanno impegnando. È il punto di partenza di What Investment Data Implies about the AI Transition, uno studio di Jessica A. Wachter e Jonathan Wachter, associati alla ricerca economica e finanziaria della Wharton School, che affronta la transizione verso l’IA attraverso una questione concreta: quanto deve aumentare la produttività affinché gli investimenti in corso possano trovare una giustificazione economica?

Il risultato merita attenzione perché sposta il dibattito dalla tecnologia alla contabilità. Secondo il modello presentato dagli autori, l’espansione degli investimenti nell’infrastruttura per l’intelligenza artificiale richiede un cambiamento significativo nella struttura produttiva degli Stati Uniti. Le stime variano in funzione degli scenari ipotizzati: entro il 2030, il prodotto interno lordo potrebbe risultare superiore di circa il 10% rispetto a un’economia senza il boom di produttività legato all’IA nello scenario moderato, del 35% in quello trasformativo e dell’84% nello scenario estremo, definito dagli autori come singularity scenario. Non si tratta di previsioni certe sulla crescita effettiva del PIL, né di tre probabilità statistiche equivalenti. Sono risultati condizionati alle ipotesi del modello, costruiti per capire che cosa dovrebbe accadere se gli investimenti osservati dovessero essere giustificati da un salto di produttività della dimensione ipotizzata.

La distinzione è essenziale. Un incremento dell’84% del PIL rispetto a uno scenario controfattuale non significa che l’economia americana crescerà dell’84% nei prossimi quattro anni. Significa che, nello scenario più radicale, il livello dell’economia nel 2030 sarebbe dell’84% superiore a quello che avrebbe raggiunto in assenza del boom tecnologico modellizzato. La differenza tra questi due concetti è decisiva, soprattutto quando i numeri vengono estratti da uno studio e trasformati in slogan finanziari. Il lavoro non dimostra che l’intelligenza artificiale produrrà necessariamente una crescita di queste dimensioni. Mostra quanto sia ambiziosa la scommessa economica incorporata nell’attuale ciclo di investimenti.

Il dato che rende lo studio particolarmente interessante è la velocità con cui sta crescendo la spesa in conto capitale. Nella versione aggiornata al 12 ottobre 2026, disponibile su SSRN, gli autori stimano che le cinque maggiori società tecnologiche statunitensi abbiano speso 413 miliardi di dollari nel 2025 e prevedano di raddoppiare approssimativamente questa cifra nel 2026. La versione precedente del lavoro utilizzava valori differenti, così come sono cambiate le stime della produttività necessaria a sostenere il ciclo di investimenti. È un dettaglio importante per chi voglia citare correttamente la ricerca: il documento è stato aggiornato più volte e le cifre non vanno mescolate come se appartenessero a una versione definitiva e immutabile. La scheda del National Bureau of Economic Research permette inoltre di consultare l’inquadramento accademico del lavoro, pubblicato come Working Paper n. 35290.

Il meccanismo economico analizzato è relativamente semplice, anche se le sue implicazioni sono profonde. Le imprese investono oggi in acceleratori, server, reti e data center, anticipando ricavi che dovrebbero arrivare in futuro grazie a servizi più efficienti e a una maggiore produttività. Per rendere coerente questo percorso, Wachter e Wachter costruiscono un modello macroeconomico a due settori, distinguendo l’economia legata all’intelligenza artificiale dal resto del sistema produttivo. Introducono inoltre la possibilità di rari salti di produttività, eventi capaci di modificare radicalmente il rendimento del capitale investito. Calibrando il modello sugli investimenti previsti fino al 2027, la versione aggiornata implica che il boom tecnologico debba aumentare la produttività del settore IA di un fattore pari a circa 3,5. Non significa che ogni impresa diventerà automaticamente tre volte e mezzo più efficiente. Significa che il modello richiede un incremento di questa dimensione per rendere coerente il capitale accumulato con le ipotesi adottate.

Gli autori non sostengono che l’intelligenza artificiale sia sopravvalutata per definizione. Al contrario, esplorano scenari nei quali la trasformazione è talmente profonda da cambiare stabilmente il livello del PIL e il peso economico del settore. Nella versione aggiornata, gli incrementi cumulativi di PIL rispetto allo scenario di riferimento possono arrivare, una volta completato l’aggiustamento del capitale, da 8 fino a 133 punti percentuali, mentre la quota dell’economia attribuibile all’IA varia dal 10% al 58%. Questi valori non coincidono con le stime del 10%, 35% e 84% riportate per i tre scenari entro il 2030 nella sintesi iniziale: cambiano l’orizzonte considerato e la configurazione del modello. Il dato da non perdere è che gli esiti più estremi dipendono da ulteriori salti di produttività, non dalla semplice prosecuzione della crescita degli investimenti.

La questione della bolla, dunque, non si risolve osservando quanto siano avanzati i modelli linguistici o quanto rapidamente migliorino le prestazioni dei chip. Occorre verificare se i benefici economici si traducano in flussi di cassa sufficienti a remunerare il capitale. Un’impresa può offrire un prodotto eccellente e perdere comunque denaro se il costo dell’infrastruttura necessaria a erogarlo supera i ricavi generati. La storia economica offre precedenti eloquenti: durante la bolla delle dot-com, alla fine degli anni Novanta, Internet trasformò davvero l’economia, ma molte società finanziate sulla base di aspettative di crescita insostenibili scomparvero. La tecnologia aveva ragione sul futuro; una parte degli investitori aveva sbagliato il prezzo da pagare per arrivarci.

Nel ciclo attuale esiste un’ulteriore complicazione. I grandi operatori non stanno costruendo soltanto capacità di calcolo per soddisfare la domanda presente, ma cercano di assicurarsi una posizione dominante in un mercato che potrebbe diventare strategico per quasi ogni settore produttivo. Questa corsa può avere una logica industriale anche quando il rendimento finanziario di breve periodo appare insufficiente. Chi possiede l’infrastruttura può catturare una quota importante del valore creato dall’ecosistema, ma può anche ritrovarsi con capacità eccedente se la domanda cresce meno del previsto, i prezzi dell’inferenza scendono troppo rapidamente oppure nuovi modelli richiedono meno risorse computazionali per ottenere risultati comparabili. Il rischio non consiste quindi soltanto nel fatto che l’IA non funzioni, ma che funzioni benissimo senza generare margini sufficienti per tutti coloro che stanno finanziando la sua espansione.

Lo studio richiama anche l’attenzione sui mercati finanziari. Nella calibrazione aggiornata, il tasso privo di rischio aumenta di circa un terzo di punto percentuale e il premio per il rischio azionario di circa 3,5 punti percentuali. Sono risultati teorici condizionati alle ipotesi del modello, non previsioni dirette dei tassi futuri. Suggeriscono tuttavia un punto cruciale: quando il futuro diventa più incerto, la possibilità di una crescita eccezionale non elimina il rischio finanziario, anzi può aumentarne il prezzo. Le aspettative di un salto di produttività possono sostenere valutazioni elevate, ma la distanza temporale tra investimenti immediati e profitti futuri espone gli azionisti a revisioni anche brusche delle aspettative.

Per un amministratore delegato, la lezione è meno ideologica di quanto suggerisca il dibattito pubblico. Non basta adottare l’IA, né basta costruire data center: occorre dimostrare dove nasce il valore aggiunto, quanto costa produrlo e chi è in grado di appropriarsene. L’automazione di un’attività non garantisce automaticamente un aumento proporzionale della produttività aziendale, soprattutto se richiede nuovi controlli, integrazioni e interventi umani per correggere gli errori. Il guadagno macroeconomico dipende dalla diffusione delle tecnologie nell’intero sistema produttivo, non soltanto dai ricavi delle società che vendono i modelli o i chip.

Dire che non esiste una bolla perché l’intelligenza artificiale è una tecnologia trasformativa è, pertanto, un errore di categoria. Una rivoluzione tecnologica può essere autentica e produrre contemporaneamente investimenti eccessivi, valutazioni irrazionali o rendimenti deludenti per chi entra nel mercato al momento sbagliato. Il contributo di Wachter e Wachter non è una sentenza definitiva sulla sostenibilità del boom, ma una misura della portata della scommessa. Se le ipotesi più ambiziose si realizzeranno, l’economia statunitense potrebbe cambiare struttura in modo radicale. Se invece la produttività crescerà più lentamente, una parte del capitale costruito oggi potrebbe non trovare il rendimento atteso. Il problema, per chi continua a ripetere che non siamo davanti a una bolla, è che l’innovazione dimostra ciò che la tecnologia può fare; non dimostra, da sola, quanto valga il capitale investito per renderla possibile.